R Notebook

Documento de análise exploratoria de dados em R

# Load de variáveis e de bibliotecas
library(readxl)
library(tidyverse)
library(dplyr)
library(stringr)
library(lubridate)
library(janitor)
library(zoo)
library(tsbox)
library(forecast)
library(plotly)
library(xts) # lib para time series
library(spotifyr)

(A) Visualização básica de dados

load(file = "us_change.rda")

data_nivel <- us_change

# Calculando a correlação da taxa entre as variáveis do primeiro trimestre de do ano 2000

data_nivel$Consumption[121] <- 100
for(i in 2:length(data_nivel$Consumption)){
  data_nivel$Consumption[i] <-  (1 + data_nivel$Consumption[i]/100) * data_nivel$Consumption[i-1]
}

data_nivel$Income[121] <- 100
for(i in 2:length(data_nivel$Income)){
  data_nivel$Income[i] <-  (1 + data_nivel$Income[i]/100) * data_nivel$Income[i-1]
}

data_nivel$Production[121] <- 100
for(i in 2:length(data_nivel$Production)){
  data_nivel$Production[i] <-  (1 + data_nivel$Production[i]/100) * data_nivel$Production[i-1]
}

data_nivel$Savings[121] <- 100
for(i in 2:length(data_nivel$Savings)){
  data_nivel$Savings[i] <-  (1 + data_nivel$Savings[i]/100) * data_nivel$Savings[i-1]
}

data_nivel$Unemployment[121] <- 100
for(i in 2:length(data_nivel$Unemployment)){
  data_nivel$Unemployment[i] <-  (1 + data_nivel$Unemployment[i]/100) * data_nivel$Unemployment[i-1]
}

(B) Correlação com indice 100 para o primeiro trimestre do ano 2000

correl <-  cor(data_nivel %>% 
      select(-"Quarter")) %>% round(2) 



plot1 <- corrplot::corrplot(correl, 
                   type = "upper",
                   tl.col = "black",
                   )

(B) Correlação da taxa de variação, sem índice

correl2 <-  cor(us_change %>% 
      select(-"Quarter")) %>% round(2) 

plot2 <- corrplot::corrplot(correl2, 
                   type = "upper",
                   tl.col = "black",
                   )

Conseguimos ver nesses gráficos de correlação a diferença entre usar índice ou apenas a taxa de variação para fazer a correlação. Usando um índice, você está normalizando os dados, fazendo com que a leitura da relação da informação fique padronizada.

(C) Plot de dispersão em linhas

new_data_nivel <- data_nivel %>% 
  pivot_longer(-Quarter) %>% 
  select(date = Quarter, name, value)

p <- new_data_nivel %>% 
  #filter( name %in% c("pmc", "pim_nivel")) %>% 
  ggplot( aes(x = date, y = round(value,3), color = name)) +
  geom_line() +
  theme_bw()
ggplotly(p)

(C) Plot de dispersão em geom_point

p2 <- new_data_nivel %>% 
  #filter( name %in% c("pmc", "pim_nivel")) %>% 
  ggplot( aes(x = date, y = round(value,3), color = name)) +
  geom_point() +
  theme_bw()
ggplotly(p2)

(D) É possível observar que sempre existe uma relação entre esses dados. No gráfico da correlação, é possível tirar os dados de crescimento e queda das variáveis e a relação entre elas, já na evolução das variáveis no tempo, além de se obter os valores de queda e crescimento, é possível acompanhar o momento em que essa transição ocorre.

(E) É possível visualizar que, a partir do ano 2000 a “produção” teve uma grande queda e uma coisa que pode ter gerado essa influencia pode ter sido o aumento da taxa de “desemprego” no mesmo ano. Mesmo que a renda tenha crescido a partir de 2000 a produção continuou em queda, mas por outro lado o “consumo” teve um aumento a partir desse ano e as pessaos começaram a poupar mais a partir desse ano também.

Séries de tempo, ciclo, sazonalidade e tendência (“retail.xlsx”)

# lendo a base de dados, selecioando um range para a base, excluido o cabeçalho do arquivo, limpando os nomes das colunas e modificando a coluna de  "series_id" para "as_date()".
data <- read_excel("retail.xlsx", range = "A2:GH383") %>% 
  janitor::clean_names() %>% 
  dplyr::rename(date = colnames(.)[1]) %>% 
  mutate(date = as_date(date))

# É necessário não selecionar o cabeçalho do arquivo, pois quando se pega o cabeçalho os dados ficam bugados

Criando um novo dataframe e o transformando em time series

#time_series_df <- ts_ts(ts_long(data))
a <- ymd_hms(data$date)

All formats failed to parse. No formats found.

Plotando a coluna “a3349335t”